买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国船舶科学研究中心申请的专利基于时域和频域特征融合的内燃机故障诊断方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119477264B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411527923.2，技术领域涉及：G06Q10/20；该发明授权基于时域和频域特征融合的内燃机故障诊断方法及设备是由汤代杰;尹志勇;吴江海;乌德木;赵亚星设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于时域和频域特征融合的内燃机故障诊断方法及设备在说明书摘要公布了：本申请公开了一种基于时域和频域特征融合的内燃机故障诊断方法及设备，涉及故障检测技术领域，该方法包括：获取内燃机在作业时的振动加速度信号；基于预设的中心频率，采用变分模态分解方法对振动加速度信号进行分解，得到多个信号分量，其中，多个信号分量的宽带之和最小，且重构信号能量能够得到振动加速度信号；拼接信号分量，将得到的拼接信号和振动加速度信号输入预先训练的故障预测模型，得到故障预测模型输出的故障诊断结果。本申请用以解决现有技术中进行内燃机的故障诊断时出现的预测准确率低的问题，实现提高故障诊断的准确性。

本发明授权基于时域和频域特征融合的内燃机故障诊断方法及设备在权利要求书中公布了：1.一种基于时域和频域特征融合的内燃机故障诊断方法，其特征在于，所述方法包括： 获取内燃机在作业时的振动加速度信号； 基于预设的中心频率，采用变分模态分解方法对所述振动加速度信号进行分解，得到多个信号分量，其中，多个所述信号分量的宽带之和最小，且重构所述信号分量能够得到所述振动加速度信号； 拼接所述信号分量，将得到的拼接信号和所述振动加速度信号输入预先训练的故障预测模型，得到所述故障预测模型输出的故障诊断结果； 其中，将得到的拼接信号输入注意力网络，得到所述注意力网络输出的与所述振动加速度信号对应的目标注意力矩阵；将所述目标注意力矩阵输入时域特征提取网络，得到所述时域特征提取网络输出的所述振动加速度信号的时域特征；将所述振动加速度信号输入频域特征提取网络，得到所述频域特征提取网络输出的所述振动加速度信号的频域特征；融合所述时域特征和所述频域特征，得到融合特征，基于所述融合特征进行所述内燃机的故障诊断； 其中，所述故障预测模型包括：所述注意力网络、所述时域特征提取网络和所述频域特征提取网络； 其中，所述故障预测模型基于拼接信号样本、振动加速度信号样本和故障类别样本训练得到； 其中，所述注意力网格对于每个所述信号分量执行以下初始特征提取过程： 将所述信号分量输入预设的特征提取公式，得到所述特征提取公式输出的初始特征； 其中，所述特征提取公式包括： 其中，Eg表示第g个信号分量对应的初始特征，Tanh表示激活函数，W表示系数，b为常量，表示第g个信号分量，ω表示中心频率； 所述注意力网格对于每个所述初始特征执行以下概率计算过程： 将所述初始特征输入对应的浅层神经网络，通过浅层神经网络中的选择公式得到选择概率，以及通过浅层神经网络中的未选择公式得到未选择概率；将所述选择概率和所述未选择概率输入分类公式，得到所述初始特征被选择用于进行分类的概率； 其中，所述选择公式包括： 其中，pk表示选择概率，表示所述初始特征被选择的情况下，第k个浅层神经网络的网络参数，表示所述初始特征被选择的情况下，第k个浅层神经网络的网络常数； 其中，所述未选择公式包括： 其中，nk表示未选择概率，表示所述初始特征未被选择的情况下，第k个浅层神经网络的网络参数，表示所述初始特征未被选择的情况下，第k个浅层神经网络的网络常数； 其中，分类公式包括： 其中，ak表示用于进行分类的概率； 所述注意力网络的目标函数包括： 其中，A表示注意力矩阵，θ＝θl，θα，θl和θα均表示注意力网络的网络参数，Rθ表示L2范数，λ表示正则化的强度，表示网络参数为θl对应的网络层，表示预测的注意力矩阵，Y为实际的注意力矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国船舶科学研究中心，其通讯地址为：214082 江苏省无锡市滨湖区山水东路222号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。